随着国内老龄化、空巢化现象的日趋严重,老年独居群体的日常健康保护问题逐渐得到人们的广泛关注,类似移动医疗、网络医院等新颖的远程医护概念也逐渐被人们所了解并认可。论文以远程健康监护系统作为研究背景,首先分析阐述了可穿戴传感器技术、ZigBee通信技术以及无线传感器网络在远程健康监护系统中的应用价值。其次,论文研究了两项基于可穿戴传感器采集的重要体征参数:心电信号和人体行为状态。根据系统的实际需求,论文对现有检测算法进行了相应的优化工作,在计算精确度、时间复杂度等方面均取得了不错的改进效果。针对传感器节点的功耗控制以及ECG信号的噪声抑制问题,论文提出了基于小波变换和短时自相关变换的动态ECG检测算法,以心电信号R波的类周期特性取代传统算法中QRS波段特征来作为算法研究的核心。论文提出的算法利用Mexican-hat小波对心电信号进行多尺度分解逼近,对肌电干扰、运动伪迹、基线漂移、工频干扰等常见干扰有很好的抑制的作用。另外,考虑到传感器节点的功耗控制问题,算法采用短时自相关函数提取R波的类周期特性并进行峰值检测,在保证心率计算精确度的基础上,有效降低了节点的计算复杂度。最后,为了对监护对象的身体状态做出更准确更全面的判断,论文提出了基于多阈值判断的跌倒检测算法。该算法选用SMV、能量以及倾角三个跌倒特征量,并对三者的计算方法进行了优化,从而取代常用的单阈值跌倒检测算法以提升跌倒检测的精确度。最后,利用Tiny-OS平台的shimmer节点采集不同状态下的跌倒数据,通过实验分析验证,结果表明本文提出的算法在跌倒判断精确度方面符合实际应用需求。